假设我有这个字符串：
<div>john doe is nice guy btw 8240 E. Marblehead Way 92808 is also</div>
<div>sky being blue? in the world is true? 024 Brea Mall Brea, California 92821 jackfroast nipping on the firehead</div>
我尝试了12个与你的类似的字符串，它完美地工作了：
function str_to_address($context) {
$context_parts = array_reverse(explode(" ", $context));
$zipKey = "";
foreach($context_parts as $key=>$str) {
if(strlen($str)===5 && is_numeric($str)) {
$zipKey = $key;
break;
}
}
$context_parts_cleaned = array_slice($context_parts, $zipKey);
$context_parts_normalized = array_reverse($context_parts_cleaned);
$houseNumberKey = "";
foreach($context_parts_normalized as $key=>$str) {
if(strlen($str)>1 && strlen($str)<6 && is_numeric($str)) {
$houseNumberKey = $key;
break;
}
}
$address_parts = array_slice($context_parts_normalized, $houseNumberKey);
$string = implode(' ', $address_parts);
return $string;
}
(\d{5}-\d{4})）。// split the context (for example, a sentence) into an array,
// so we can loop through it.
// we reverse the array, as we're going to grab the zip first.
// why? we KNOW the zip is 5 characters long*.
$context_parts = array_reverse(explode(" ", $context));
// we're going to store the array index of the zip code for later use
$zipKey = "";
// foreach iterates over an object given the params,
// in this case it's like doing...
// for each value of $context_parts ($str), and each index ($key)
foreach($context_parts as $key=>$str) {
// if $str is 5 chars long, and numeric...
// an incredibly lazy check for a zip code...
if(strlen($str)===5 && is_numeric($str)) {
$zipKey = $key;
// we have what we want, so we can leave the loop with break
break;
}
}
整理一下，这样我们就能更好地获取房屋号码的对象。
// remove junk from $context_array, since we don't
// need stuff after the zip
$context_parts_cleaned = array_slice($context_parts, $zipKey);
// since the house number comes first, let's go back to the start
$context_parts_normalized = array_reverse($context_parts_cleaned);
然后，让我们使用与邮政编码相同的基本逻辑来获取门牌号码：
$houseNumberKey = "";
foreach($context_parts_normalized as $key=>$str) {
if(strlen($str)>1 && strlen($str)<6 && is_numeric($str)) {
$houseNumberKey = $key;
break;
}
}
// we probably have the parts we for the address.
// let's do some more cleaning
$address_parts = array_slice($context_parts_normalized, $houseNumberKey);
// and build the string again, from the address
$string = implode(' ', $address_parts);
// and return the string
return $string;
/[0-9].+[0-9]/gi
Javascript示例：
"<div>john doe is nice guy btw 8240 E. Marblehead Way 92808 is also</div>".match(/[0-9].+[0-9]/gi) // ["8240 E. Marblehead Way 92808"]
"<div>sky being blue? in the world is true? 024 Brea Mall Brea, California 92821 jackfroast nipping on the firehead</div>".match(/[0-9].+[0-9]/gi) // ["024 Brea Mall Brea, California 92821"]
对于包含电话号码的新示例，您可以这样做：
/[0-9].*[0-9]/gi
Javascript例子：
"john doe 7143138656 is 8240 e marblehead way 92808".match(/[0-9].*[0-9]/gi) // ["7143138656 is 8240 e marblehead way 92808"]
正则表达式用于测试模式。您需要知道要查找的模式。从您提供的两个示例中，我会查找一个数字，然后是一些文本，以五位数字结尾。
所有地址都必须按照此格式。您不能仅仅从字符串中提取地址。
由于方便，尝试使用正则表达式解析所有内容是一个常见的“错误”。然而，正则表达式并不是万能的。在这种情况下，看起来你不是在寻找文本中的正则模式，而是“自然”的表达方式，就像有人在和你交谈一样。这些自然的表达方式不一定会遵循任何一致的模式。有些人会先写公寓号码，然后是建筑物号码，有些人会省略城市直接跳到邮政编码，有些人可能会先写城市、州、国家，然后才是邮政编码。不可能列举出每个可能的正则表达式模式，以便解析地址。
对于自然语言地址，我会忘记正则表达式地址检测，并转向有状态的解析算法。
我建议从左向右逐个单词地阅读文本（至少在英语中）。每个单词都需要进行一次逻辑测试，即“这个单词可能是地址的起始位置吗？”我假设这是一个数字，可以是建筑物编号或公寓/单元/箱子编号（例如“Box XXX”，“PO BOX XXX”，“PO XXX”，“Unit XXX”，“＃XXX”或任何长度小于6位数的数字）。虽然我不知道这是否属实，但我从未见过一个北美建筑物编号长度为7位数，而电话号码的最小长度为7位数。因此，我认为您可以相当容易地区分电话号码和建筑物编号。这个“地址起始位置”测试可以是一组正则表达式匹配，但我们不匹配整个地址，只是测试开始地址的单词或短语。我甚至认为，如果没有使用正则表达式匹配，它会更简单。我在编程中使用Google Geocode API时运气最佳。它消除了尝试考虑每种可能的地址字符串输入方式的困难。
最近，我需要从单个字符串中提取地址的部分，用于房地产网站，我发现最好的选择是使用Google Geocode API。它允许我获取每个输入地址的街道、城市、州、邮政编码、纬度、经度等信息。
我在这里找到了一个很棒的指南，可以帮助你设置Google Geocode API（PHP）：http://www.andrew-kirkpatrick.com/2011/10/google-geocoding-api-with-php/
最好的部分是，它甚至适用于地名。因此，搜索“UCLA”或“苹果总部”将为您提供可能需要的所有地址部分。
我的想法是你应该有一些方法告诉你的代码，“从这里到这里是一个地址，其余部分是简单文本”。为此，你可以创建一个地址数组或将地址保存在数据库中，然后与插入的值进行比较。